Effets du traitement parodontal non chirurgical sur les adipokines
Bibliographic record
Abstract
Introduction : La parodontite est une maladie inflammatoire chronique liée à une dysbiose du microbiote parodontal induisant une détérioration du parodonte. Le tissu adipeux est un organe endocrine capable de libérer des cytokines inflammatoires impliquées dans le contrôle de l'homéostasie énergétique et l'insulino‐résistance. La libération de ces adipokines peut être influencée par des processus inflammatoires. Des perturbations métaboliques générales liées à la diffusion de celles-ci pourraient être liées à la maladie parodontale. L'objectif de cette revue est de récolter les données sur le niveau d'expression salivaires des adipokines en présence de la maladie parodontale et d'étudier l'effet du traitement parodontal non chirurgical (NSPT) sur ces niveaux. Matériel et méthode : Une recherche électronique dans les bases de données Medline, Cochrane Library et Web of Sciences a été menée en octobre 2023. La stratégie de recherche a été réalisée conformément aux directives PRISMA. Les critères d'inclusion étaient les suivants : études incluant des patients atteints de maladie parodontale recevant un NSPT, dosant dans la salive totale, avant et après NSPT, les adipokines suivantes : adiponectine, leptine, vaspine, adipsine, résistine et visfatine. Le risque de biais a été évalué avec l'échelle Newcastle Ottawa. Résultats : Quinze articles respectant les critères d'éligibilité ont été identifiés et étudiés. Conclusion : Les résultats suggèrent une association entre l'inflammation parodontale et le niveau de visfatine salivaire notamment via la diminution après NSPT. Les résultats concernant les taux de leptine, résistine et adiponectine semblent inconsistants. La présence de la visfatine dans la salive en lien avec la parodontite montre que les études doivent être poursuivies pour évaluer si la parodontite peut participer aux déséquilibres métaboliques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".